Available now! Telegram Research 2025 — the year's key insights 
Machine learning Interview
Open in Telegram
ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно! Вопросы - @workakkk РКН: clck.ru/3FmwRz
Show more📈 Analytical overview of Telegram channel Machine learning Interview
Channel Machine learning Interview (@machinelearning_interview) in the Russian language segment is an active participant. Currently, the community unites 30 052 subscribers, ranking 4 589 in the Technologies & Applications category and 21 951 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 30 052 subscribers.
According to the latest data from 03 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 49 over the last 30 days and by 15 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 13.62%. Within the first 24 hours after publication, content typically collects 12.77% reactions from the total number of subscribers.
- Post reach: On average, each post receives 4 093 views. Within the first day, a publication typically gains 3 839 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 31.
- Thematic interests: Content is focused on key topics such as claude, llm, контекст, hermes, nvidia.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно!
Вопросы - @workakkk
РКН: clck.ru/3FmwRz”
Thanks to the high frequency of updates (latest data received on 04 June, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.
30 052
Subscribers
+1524 hours
+657 days
+4930 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
June '26
June '26
+85
in 6 channels
May '26
+237
in 1 channels
Get PRO
April '26
+265
in 6 channels
Get PRO
March '26
+246
in 7 channels
Get PRO
February '26
+572
in 28 channels
Get PRO
January '26
+243
in 6 channels
Get PRO
December '25
+132
in 1 channels
Get PRO
November '25
+324
in 48 channels
Get PRO
October '25
+201
in 17 channels
Get PRO
September '25
+256
in 43 channels
Get PRO
August '25
+18 874
in 18 channels
Get PRO
July '25
+9 997
in 60 channels
Get PRO
June '25
+471
in 38 channels
Get PRO
May '25
+589
in 5 channels
Get PRO
April '25
+430
in 29 channels
Get PRO
March '25
+355
in 9 channels
Get PRO
February '25
+415
in 42 channels
Get PRO
January '25
+794
in 47 channels
Get PRO
December '24
+1 508
in 44 channels
Get PRO
November '24
+846
in 60 channels
Get PRO
October '24
+881
in 59 channels
Get PRO
September '24
+960
in 202 channels
Get PRO
August '24
+859
in 42 channels
Get PRO
July '24
+897
in 57 channels
Get PRO
June '24
+1 014
in 64 channels
Get PRO
May '24
+973
in 41 channels
Get PRO
April '24
+2 303
in 57 channels
Get PRO
March '24
+840
in 23 channels
Get PRO
February '24
+1 242
in 3 channels
Get PRO
January '24
+1 498
in 45 channels
Get PRO
December '23
+791
in 39 channels
Get PRO
November '23
+248
in 4 channels
Get PRO
October '23
+715
in 0 channels
Get PRO
September '23
+735
in 0 channels
Get PRO
August '23
+952
in 0 channels
Get PRO
July '23
+782
in 0 channels
Get PRO
June '23
+739
in 0 channels
Get PRO
May '23
+297
in 0 channels
Get PRO
April '23
+504
in 0 channels
Get PRO
March '23
+228
in 0 channels
Get PRO
February '23
+775
in 0 channels
Get PRO
January '23
+841
in 0 channels
Get PRO
December '22
+494
in 0 channels
Get PRO
November '22
+1 448
in 0 channels
Get PRO
October '22
+287
in 0 channels
Get PRO
September '22
+1 096
in 0 channels
Get PRO
August '22
+2 283
in 0 channels
Get PRO
July '22
+2 559
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 04 June | +6 | |||
| 03 June | +22 | |||
| 02 June | +56 | |||
| 01 June | +1 |
Channel Posts
⚡️ Anthropic уже пишет о рекурсивном самоулучшении, как о процессе, который постепенно становится реальностью.
В свежем материале речь идёт об ИИ, который помогает проектировать и собирать следующую версию себя.
Длина задач, которые модель способна стабильно доводить до конца, удваивается примерно каждые четыре месяца. В марте 2024 года Opus 3 справлялся с задачами примерно на 5 минут. Через год Sonnet 3.7 уже держал около полутора часов. Ещё через год Opus 4.6 дошёл примерно до 12 часов. Внутренний препрев Anthropic показал минимум 16 часов, причём ограничением могла быть сама методика оценки.
К маю 2026 года Claude пишет больше 80% кода, который попадает в кодовую базу Anthropic. В одном кейсе модель выдала больше 800 фиксов и снизила целый класс API-ошибок в тысячу раз. По оценке инженера, человеку на такой объём работы понадобилось бы около четырёх лет.
В проекте по безопасности агенты закрыли 97% разрыва в производительности, тогда как два разраба за неделю закрыли 23%. В выборе следующего исследовательского шага модель уже показывает 64% попаданий против человеческого решения.
Решения людей пока держатся на: какие задачи выбирать, когда менять направление, когда признать тупик и не продолжать копать.
Авторы рассматривают три развилки. В первой рост упирается в плато, и этому варианту они дают меньше всего веса. Во второй эффективность продолжает накапливаться, люди задают направление, а небольшая команда делает объём работы, который раньше требовал тысяч специалистов. Этот сценарий выглядит для них наиболее вероятным. В третьей начинается полноценное рекурсивное самоулучшение, где темп всё сильнее определяется доступным компьютом. Именно по этому сценарию у Anthropic меньше всего уверенности в безопасности.
Люди пока сильнее в том, что не сводится к простому выполнению задачи: выбрать правильное направление, вовремя сменить подход, понять, что задача плохо поставлена, и остановиться, когда решение больше не окупает усилия.
Anthropic описывает три возможных сценария.
Первый - прогресс упирается в плато. Модели становятся лучше, но рост быстро замедляется. Авторы считают этот вариант наименее вероятным.
Второй - модели продолжают усиливать команды, но направление всё ещё задают люди. Небольшая группа специалистов с ИИ делает объём работы, который раньше требовал тысяч человек. Этот сценарий выглядит для Anthropic самым вероятным.
Третий - полноценное рекурсивное самоулучшение. ИИ всё активнее участвует в создании следующих поколений ИИ, а скорость прогресса начинает зависеть в первую очередь от доступных вычислений. По этому сценарию у Anthropic больше всего вопросов к безопасности.
https://www.anthropic.com/institute/recursive-self-improvement
| 2 |  ✔️ Google выпустила Gemma 4 12B
DeepMind опубликовала веса мультимодальной модели Gemma 4 12B, которая обрабатывает текст, изображения и аудио без использования отдельных энкодеров.
Отказ от внешних модулей снизил вычислительную задержку и требования к памяти. Модель работает локально на устройствах с 16 ГБ ОЗУ, показывая в бенчмарках результаты на уровне моделей класса 26B.
Веса выложены на Hugging Face, поддержка модели добавлена в Ollama и LM Studio. Лицензия Apache 2.0, допускающая коммерческое применение.
blog.google
✔️ Ideogram релизнул четвертую версию T2i модели
Ideogram 4.0 получила поддержку разрешения 2K, создание прозрачного фона и позиционирование объектов через bounding boxes. Сохранен фокус на качественном рендеринге текста для логотипов и постеров.
На DesignArena, модель заняла 1 место среди открытых решений, уступив только проприетарным системам OpenAI и Google.
Код и веса опубликованы в открытом доступе. Для коммерческого применения требуется покупка платной лицензии.
Доступен API стоимостью от $0.03 до $0.10 за генерацию в зависимости от качества. Модель есть на площадках ComfyUI, Replicate и Leonardo AI.
В будущих обновлениях обещают добавить работу со слоями и редактируемый текст.
ideogram.ai
✔️ Personal Computer от Perplexity стал доступен на Windows
Система напрямую взаимодействует с локальными файлами, системными утилитами и десктопными приложениями Microsoft (Word, Excel, PowerPoint, Outlook).
Архитектура разбивает запросы на подзадачи и распределяет их между пулом агентов. Personal Computer сортирует директории, переносит метрики из локальных таблиц в презентации и сверяет документы с веб-выдачей.
В интеграции с браузером Comet агент управляет интерфейсами сайтов: заполняет формы, бронирует слоты в календаре и работает с корпоративными платформами. Поддерживается синхронизация - запущенную на смартфоне задачу можно продолжить на ПК. Продукт доступен по листу ожидания для подписчиков Max и Enterprise Max.
perplexity.ai
✔️ Nous Research представила ИИ-агента Hermes Desktop
Hermes Desktop - превью-версия приложения под лицензией MIT для развертывания ИИ-агентов на Windows, macOS и Linux. Инструмент работает из терминала, электронной почты и мессенджеров.
Hermes планирует задачи на естественном языке и использует постоянную память для сохранения контекста проектов. Архитектура поддерживает делегирование: система запускает субагентов с отдельными терминалами для выполнения Python-скриптов, веб-поиска, генерации изображений и синтеза речи.
Для изоляции исполняемого кода доступны пять песочниц: локальная среда, Docker, SSH, Singularity и Modal. Обращения к LLM маршрутизируются через платформу Nous Portal, на которой есть более 300 моделей, в том числе по бесплатным тарифам.
nousresearch.com
✔️ MIT собрали набор для обучения моделей анализу графиков
Институт в коллаборации с IBM Research представил ChartNet - синтетический датасет из 1,5 млн диаграмм для обучения vision-моделей.
Авторы конвертировали существующие графики в исполняемый код, а затем программно модифицировали его для генерации новых примеров.
Датасет включает 24 типа диаграмм на базе 6 библиотек визуализации. Каждый сэмпл содержит сгенерированное изображение, исходный код, таблицу данных и текстовое описание.
По заявлению разработчиков, дообучение на ChartNet позволило компактным моделям превзойти более крупные проприетарные системы в профильных бенчмарках по извлечению визуальной информации.
news.mit.edu
@ai_machinelearning_big_data
#news #ai #ml | 699 |
| 3 | ⚡️ OpenAI раздаёт ChatGPT Pro на 6 месяцев** владельцам open-source проектов.
В рамках программы Codex for Open Source можно получить:
• 6 месяцев ChatGPT Pro
• доступ к Codex и GPT-5.5 Pro
• API-кредиты
• Codex Security
Заявка простая: нужно отправить ссылку на свой репозиторий и коротко объяснить, зачем проект важен и как Codex поможет его улучшить.
Больше шансов у тех, у кого есть:
• активный GitHub-профиль
• несколько публичных репозиториев
• звёзды на проектах
• нормальная история коммитов
Если у вас есть живой open-source проект, это один из самых простых способов получить ChatGPT Pro на полгода бесплатно.
https://openai.com/ru-RU/form/codex-for-oss/
@data_analysis_ml | 1 836 |
| 4 | ⚡️ MOSS-TTS-v1.5 вышла на первое место в Hugging Face Trending среди Text-to-Speech моделей и уже набрала 20,6K загрузок.
Это мультиязычная управляемая TTS-модель, которая умеет:
- стабильно клонировать голос
- генерировать длинные аудио
- точно управлять паузами
- работать с несколькими языками
Теперь MOSS-TTS-v1.5 официально поддерживается в vLLM-Omni и SGLang-Omni, что делает её интересной не только для экспериментов, но и для более серьёзной инфраструктуры голосовых приложений.
Модель разработала команда OpenMOSS-Team.
GitHub: https://github.com/OpenMOSS/MOSS-TTS
Hugging Face: https://huggingface.co/OpenMOSS-Team/MOSS-TTS-v1.5
ModelScope: https://modelscope.ai/organization/openmoss | 1 746 |
| 5 | Как попасть на международную стажировку в ML?
Нашли интервью выпускника Школы анализа данных, который побывал на стажировке в университете KAUST в Саудовской Аравии .
Для тех, кто тоже ищет международные стажировки в ML, есть дельные советы:
Ранний старт. Начинайте искать стажировки как можно раньше. Следите за университетскими чатами и сообществами, подавайтесь везде, где тема пересекается с вашими интересами.
Реальные результаты. Идеальный английский не обязателен. Гораздо важнее иметь конкретные наработки: исследования, публикации, проекты. На стажировки берут тех, кто уже попробовал себя в науке.
Фундаментальное образование. Без крепкой базы заниматься исследованиями на таком уровне не получится. Ищите экспертов и единомышленников, с кем сможете вместе работать.
Вывод: международная стажировка — это не лотерея. Это результат системной работы и готовности искать возможности. | 2 001 |
| 6 | ✔️ Anthropic расширяет Project Glasswing: Claude теперь ищет уязвимости в критической инфраструктуре
Anthropic добавила к Project Glasswing ещё 150 организаций из 15+ стран. Участники получают доступ к Claude Mythos Preview - модели для поиска уязвимостей в системах, от которых напрямую зависит инфраструктура:
- энергетика
- водоснабжение
- здравоохранение
- телеком
За первые недели партнёры нашли больше 10 000 уязвимостей высокой и критической степени. Интересный момент: узкое место уже не только в поиске проблем, а в их исправлении. Поэтому модель используют и для помощи с патчингом.
Через 6–12 месяцев модели такого уровня появятся у других игроков, возможно уже без нормальных ограничений и safety-фильтров. Значит, защитники должны научиться работать с такими инструментами раньше атакующих.
Security-инструменты Anthropic пока доступны по запросу. Для остальных есть Claude Security на базе Opus 4.8.
https://www.anthropic.com/news/expanding-project-glasswing | 2 732 |
| 7 |  Основатель DeepSeek перевел весь код с NVIDIA на Huawei: зачем он это сделал и что теперь будет с китайским ИИ
Лян Вэньфэнг, основатель DeepSeek, потратил месяцы на полный перенос кодовой базы DeepSeek с чипов NVIDIA на Ascend от Huawei. Не потому что нужно было что-то исправить, а потому что он решил доказать: китайский ИИ может работать без американского железа.
DeepSeek уже показал отличные результаты на чипах NVIDIA до санкций. У компании было рабочее решение, но Вэньфэнг пошел другим путем. Проект занял месяцы, потребовал огромных ресурсов и задержал выпуск новой версии модели. Но результат стоил того.
Что получилось на выходе:
- DeepSeek полностью работает на чипах Huawei Ascend без потери качества
- Доказано, что чипы Huawei способны тянуть полноценные ИИ-нагрузки
- Другие китайские ИИ-компании теперь имеют реальный повод перейти с NVIDIA на Huawei
- Большая часть зависимости от американских поставщиков чипов убрана
Вэньфэнг нес огромное давление, сроки сдвинулись, команда работала без гарантий что выйдет рабочее решение. Но он довел дело до конца и доказал: китайская ИИ-индустрия может строить свой собственный стек, не завися от того, дадут ли следующую партию поставок через Тихий океан. | 24 141 |
| 8 |  Nvidia похоронила MacBook: анонсирован тот самый чип RTX Spark - все утечки по характеристикам полностью подтвердились.
Нас ждёт революция:
• Ноутбуки с этим чипом будут очень тонкими, при этом их мощность будет сопоставима с девайсами на RTX 5070;
Хуанг заявляет, что чип -ультимативное решение для игр, запуска локального ИИ и даже работы с тяжёлыми приложениями;
При этом всём, ноутбуки начнут нормально держать батарею - обещают энергоэффективность нового поколения.
Первые устройства начнут продавать уже осенью, а помимо ноутбуков создадут ещё
и компактные ПК с RTX Spark на борту; Свои флагманы на новом чипе готовят буквально все главные компании: Microsoft, Asus, MSI, Dell и другие.
Официальная цена пока неизвестна, но инсайдеры предполагают, что ноутбуки с этим камнем будут стоить от 3000 евро. | 3 681 |
| 9 |  ⚡️ Amazon поменяла архитектуру сетей в дата-центрах AWS - и это важно для AI-кластеров
Amazon представила Resilient Network Graphs, или RNG - новую архитектуру сети для дата-центров. По заявлению компании, она снижает потребность в железе на 69% и повышает throughput на 33%.
Amazon уже с прошлого года постепенно внедряла RNG в своих дата-центрах, а теперь сделала её сетью по умолчанию для большинства AWS-нагрузок.
Идея в том, чтобы уйти от классических fat-tree сетей.
Fat-tree десятилетиями были удобны, потому что они предсказуемые и понятные в эксплуатации. Но у такой иерархии есть проблема: часть трафика упирается в узкие места наверху дерева, пока другие каналы простаивают.
RNG делает сеть более плоской и квазислучайной. Вместо нескольких «привилегированных» маршрутов через верхние уровни появляется много независимых путей между серверами.
Внутри два ключевых элемента:
- Spraypoint - система маршрутизации, которая распределяет трафик по множеству разных путей
- ShuffleBox - устройство для кабельной разводки, которое делает такую хаотичную на вид сеть реально управляемой
То есть пакетам не обязательно всегда бежать по самому короткому пути. Spraypoint разбрасывает трафик через распределённые waypoint-точки и помогает находить много независимых маршрутов без экзотической памяти в коммутаторах.
Авторы проверяли RNG на двух реальных production-сетях Amazon и сравнивали с fat-tree на transport и storage-нагрузках.
Результат:
- производительность приложений на уровне fat-tree
- заметно больше независимых маршрутов
- оценочная экономия от 9% до 45%
- меньше простаивающей сетевой ёмкости
Если сеть лучше размазывает нагрузку и меньше упирается в congestion, это напрямую влияет на эффективность AI-кластеров.
arxiv.org/abs/2604.15261 | 3 789 |
| 10 |  OpenAI хоронит o3 и GPT-4.5 в ChatGPT
OpenAI назвала даты, когда из ChatGPT исчезнут сразу две модели. o3 отключат 26 августа 2026 года, а GPT-4.5 уберут ещё раньше, 27 июня. Важная деталь: чистка касается только ChatGPT, в API обе модели пока остаются. То есть продуктовую линейку для массового пользователя упрощают, а разработчикам дают время мигрировать самим.
История с o3 получилась показательной. Когда модель вышла, многие были уверены, что по уровню скачка это и есть полноценная пятёрка, просто названная иначе. | 3 481 |
| 11 | ⚡️ Opus 4.8 взломали через 7 минут после релиза
История почти абсурдная: исследователь пишет, что узнал о выходе Claude Opus 4.8 не из анонса Anthropic, а от своего агента на Opus 4.7.
Агент сам заметил новый релиз, попробовал jailbreak и сообщил: новая модель пробивается с первого захода.
Дальше, по словам автора, агент уже автономно проверял другие сценарии: социальная инженерия, фишинг, финансовые схемы, манипулятивные воронки и прочие запрещённые классы задач.
Детали промптов здесь не важны. Важен сам сдвиг: теперь модели могут не просто отвечать на атаки, а помогать искать слабые места у других моделей.
Чем умнее становятся frontier-модели, тем сильнее становится и автоматизированный jailbreak-testing. У них больше доменных знаний, лучше планирование, выше настойчивость и больше шансов найти странную щель в safety-слое.
Это уже не ручная игра «подбери промпт». Это гонка между агентами, которые атакуют, и агентами, которые должны закрывать дыры.
Новый неприятный стандарт для AI safety: модель нужно тестировать не только людьми, но и другими моделями, которые будут методично искать обходы быстрее, чем это успеют сделать пользователи.
https://x.com/Machinelearrn/status/2060304235539911024 | 4 342 |
| 12 | Anthropic только что выпустила Claude Opus 4.8.
Anthropic только что выпустила Claude Opus 4.8.
Три конкретных изменения по сравнению с 4.7: точнее судит о ситуации, честнее говорит о собственных ограничениях и дольше держит контекст при самостоятельной работе без подсказок.
По бенчмаркам: agentic coding (SWE-Bench Pro) 69.2% против 64.3% у 4.7 и 58.6% у GPT-5.5. Computer use (OSWorld) 83.4%. Knowledge work (GDPval-AA) 1890 против 1753 у предыдущей версии. В терминальном кодинге GPT-5.5 пока впереди с 78.2% против 74.6%, но разрыв небольшой.
Цена не изменилась.
В релизе упоминается апдейт про "более честную оценку собственного прогресса" — это прямо отвечает на одну из главных болей при работе с агентами: модель уверенно сообщает, что задача выполнена, хотя на самом деле застряла. Посмотрим, насколько это реально изменилось на практике.
claude.com/blog/introducing-dynamic-workflows-in-claude-code | 3 890 |
| 13 | Агенты наконец-то получают нормальную память
agentmemory - это локальный слой памяти для AI coding agents, который решает одну из самых раздражающих проблем: каждый новый сеанс агент снова «забывает» архитектуру проекта, ваши правки, договорённости, баги и стиль работы.
Вместо того чтобы каждый раз заново объяснять Claude Code, Cursor, Codex или другому агенту, как устроен проект, agentmemory тихо сохраняет полезный контекст, сжимает его в searchable memory и подставляет нужные куски в следующих сессиях.
Что важно:
- работает с Claude Code, Cursor, Codex CLI, Gemini CLI, Windsurf, Roo Code, Cline, Aider и другими агентами
- поддерживает MCP, hooks и REST API
- один общий memory server для разных инструментов
- память шарится между агентами, а не живёт внутри одного клиента
- можно поднимать локально, без завязки на внешний сервис
- помогает не раздувать CLAUDE.md, .cursorrules и другие ручные файлы контекста
Идея простая: агент должен не просто выполнять задачу, а накапливать опыт по проекту.
https://github.com/rohitg00/agentmemory | 3 746 |
| 14 |  Perplexity выложили в open source свой Unigram tokenizer, который снижает нагрузку на CPU в 5-6 раз.
Почему это важно: маленькие reranker- и embedding-модели уже работают на GPU за единицы миллисекунд. На этом фоне токенизация на CPU внезапно становится заметной частью общей задержки.
То есть модель может быть быстрой, GPU может простаивать минимально, но пайплайн всё равно тормозит на подготовке текста.
Что сделали:
• переписали Unigram tokenizer
• снизили CPU utilization в 5-6 раз
• ускорили инференс-пайплайны для rerankers и embedders
• выложили код в open source
Хорошее напоминание: в продакшене скорость ИИ - это не только модель и GPU. Иногда bottleneck сидит в скучной части пайплайна, которую почти никто не замечает.
GitHub: github.com/perplexityai/pplx-garden | 3 320 |
| 15 | Как получить БЕСКОНЕЧНЫЕ лимиты ChatGPT, Gemini, Claude и других хайповых нейронок - нашел инструмент, который позволяет максимально экономить токены.
Нашли расширение, которое делает почти магию: переносит диалог с нейронкой в другой аккаунт в один клик.
Когда лимит в ChatGPT, Gemini, Claude или другом сервисе заканчивается, не нужно вручную копировать промпты, ответы и весь контекст. Расширение сохраняет текущий чат и позволяет продолжить разговор с того же места.
Что умеет:
• переносить диалог между аккаунтами • сохранять контекст, результаты и важные данные • избавлять от ручного копирования • быстро продолжать работу после упора в лимиты
Для тех, кто постоянно работает с нейронками, это прям находка.
Ссылка на расширение - https://addons.mozilla.org/ru/firefox/addon/limit-skip/ | 3 687 |
| 16 | ✔️ Sakana AI вместе с Оксфордом, Стэнфордом и Allen AI выкатили занятную работу: проверили, умеют ли современные модели предсказывать, какие научные идеи выстрелят.
Собрали бенчмарк CUSP на 4760 реальных научных событий и прогнали через передовые LLM. Картина получилась двойственная. Модели неплохо отличают перспективное направление от тупикового - то есть «нюх» на хорошую идею у них есть. А вот ответить, дойдёт ли исследование до результата и когда именно, они почти не могут.
Причём дело не в нехватке обучающих данных: увеличение объёма проблему не закрывает.
Авторы рекомендуют использовать ИИ как фильтр и помощника-исследователя, чтобы генерировать гипотезы, отсеивать слабые гипотезы, ускорять рутину, но решение о том, во что вкладывать время и ресурсы, оставлять за человеком.
Заодно это аккуратный аргумент против хайпа про «ИИ-учёного, который без человека сделает невероятное научное открытие».
Статья: arxiv.org/abs/2605.22681
Проект: seanwu25.github.io/CUSP-Science/
@ai_machinelearning_big_data | 3 581 |
| 17 | ⚡️ Microsoft выложила в open source AI Engineer Coach - плагин, который оценивает, насколько адекватно вы работаете с агентами и не сливаете токены в пустоту.
По сути, это локальный тренер по агентному кодингу. Он смотрит на ваши сессии, показывает, какие агенты использовались, сколько ушло токенов, где промпты были нормальными, а где вы просто заставляли дорогую модель делать работу, которую можно было решить проще.
Отдельно плагин проверяет 45 анти-паттернов. Например, если вы не используете plan mode, гоняете мощные модели на мелкие задачи, повторяете одни и те же действия руками или плохо готовите проект под работу агентов - он это подсветит.
Есть и практичная часть: AI Engineer Coach анализирует, готов ли проект к агентному кодингу, есть ли нужные файлы и инструкции, находит повторяющиеся промпты и помогает превращать их в скиллы. Плюс внутри есть роадмап по вайбкодингу и ачивки, чтобы было понятно, куда расти дальше.
Всё работает локально и бесплатно. Microsoft отдельно подчёркивает, что данные никуда не отправляются.
Выглядит как полезная штука для тех, кто уже живёт в Claude Code, Codex, Cursor и похожих инструментах, но хочет понять, где реально ускоряется, а где просто красиво сжигает контекст.
https://github.com/microsoft/AI-Engineering-Coach | 5 399 |
| 18 |  Google скормила ИИ триллион минут с фитнес-браслетов и научила его понимать тело человека
Новая работа Google показывает простую идею: данные с фитнес-браслетов становятся по-настоящему полезными только тогда, когда ИИ учится понимать конкретного человека за этими сигналами, а не просто считает пульс.
Речь не про очередной алгоритм измерения сердечного ритма. Команда обучила общую модель SensorFM на более чем одном триллионе минут сенсорных данных, собранных у пяти миллионов людей. Такой масштаб переводит задачу из плоскости «зафиксировать отдельное событие» в плоскость «выучить структуру обычной жизни тела»: сон, движение, температура, насыщение кислородом, ритм сердца и весь шум повседневности.
Ключевая мысль авторов звучит неожиданно. Носимые устройства слабы не потому, что им не хватает данных. Они слабы потому, что большинство систем сжимают сырые сигналы в грубые усреднённые показатели ещё до того, как в данных проявится осмысленная структура. SensorFM сначала выучивает эту структуру, а потом переиспользует её под конкретные задачи.
Одно и то же представление помогает делать предсказания по кардиологии, метаболизму, ментальному здоровью, сну, образу жизни и демографическим характеристикам. По сути, это foundation-модель для физиологии человека, обученная на беспрецедентном объёме непомеченных данных.
Сильнее всего работа читается как история про масштаб. Чем больше модель и чем больше данных в предобучении, тем выше качество. Выученные эмбеддинги обошли инженерные признаки на 34 из 35 задач предсказания. Это серьёзный аргумент в пользу того, что эпоха ручного фичеринга для wearables подходит к концу.
Статья на arxiv: https://arxiv.org/abs/2511.15352 | 5 062 |
| 19 | Anthropic платит SpaceX $1,25 млрд в месяц за вычисления. В месяц.
Это $15 млрд в год, которые идут компании, чья годовая выручка составляет около $18 млрд. Одна AI-лаборатория почти станет главным источником коммерческого дохода SpaceX.
Мы узнали об этом только потому, что SpaceX сегодня подала документы на IPO и была вынуждена раскрыть условия сделки. Саму сделку объявили несколько недель назад, но тогда без финансовых деталей.
https://www.axios.com/2026/05/20/anthropic-spacex-compute | 4 912 |
| 20 | Рассмотрим одну из самых динамичных задач компьютерного зрения — распознавание действий на видео.
Пройдём путь от классических подходов (3D-свёртки, архитектуры SlowFast) до современных мультимодальных моделей, которые понимают контекст видео почти как человек.
Результаты урока:
- Освоите базу распознавания действий, поймёте различия между классическими и современными архитектурами, узнаете, как применять визуально-языковые модели для глубокого анализа видео.
Спикер и руководитель продвинутого курса по CV: Антон Витвицкий, руководитель команды компьютерного зрения в Boost Inc. с опытом 14+ лет
Регистрируйтесь https://tglink.io/0792b1c99e99b7?erid=2W5zFHGskdF
Урок в рамках курса Компьютерное зрение. Экспертный уровень
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. | 4 309 |
